Athena Crisis 用路径寻路和 k-means 做出游戏 AI
cnakazawa · x · 2026-08-04
作者回顾了《Athena Crisis》里那套并非基于 LLM 的传统游戏 AI 的实现过程。
- AI 主要组合了三类方法：游戏既有的路径寻路、k-means 聚类和贪心式动作选择。
- 他的启发式规则基本按“自己会怎么下”来设计，并采用了无状态方案：每次只执行一个确定动作后，AI 就重新推演整个局面。
- 这种确定性让测试更容易，玩家也更容易针对 AI 制定策略；同时为了避免对局过于单调，作者保留了少量受限随机性。
- 初版每回合计算要 2–3 秒，随后又优化到至少快 10 倍，做到服务器在过场动画期间就能算完整回合。
- 经过数月根据玩家反馈持续打磨后，游戏上线时，玩家普遍认为它是同类里最好的 AI，而作者此前甚至从没做过游戏 AI。
「研究」频道最新
- 论文照片显示《Fundamental Limits of Caching》发表在 IEEE 信息论汇刊 — cneuralnetwork · 2026-08-04
- ARC Prize 团队称其 CUDA C 方案已比基线快一个数量级 — GregKamradt · 2026-08-04
- Stanford 研究用历史任务校正合成数据偏差 — arena · 2026-08-04
- Wayve 称 GAIA-4 世界模型已可用于大规模机器人仿真 — alexgkendall · 2026-08-04
- NVIDIA 开源 NOOA：把 AI agent 写成 Python 对象 — Roger_M_Taylor · 2026-08-04
- Light Origins 人形机器人演示自主切换走、爬、跨越 — Distinct-Question-16 · 2026-08-04